Weaviate

만든 곳 Weaviate

하이브리드 검색·필터링·내장 벡터라이저를 갖춘 오픈소스 벡터 데이터베이스

웹사이트 ↗ 저장소 ↗ 문서 ↗

v1.38.62026-07-21GoBSD-3-Clause

#vector-db #embeddings #hybrid-search #go

16.6k 오픈소스 무료 티어 유료

문서버전 1.0 · 업데이트 2026년 6월 28일

개요

Weaviate는 하이브리드(벡터+키워드) 검색, 정형 필터링, 그리고 데이터를 대신 임베딩해주는 선택적 벡터라이저 모듈을 갖춘 오픈소스 벡터 데이터베이스입니다.
Docker로 셀프호스트하거나 매니지드 Weaviate Cloud로 운영하며, RAG와 에이전트의 검색 계층으로 흔히 쓰입니다.

flowchart LR
  obj[objects + vectors] --> w[(Weaviate)]
  q[query vector] --> w
  w --> top[nearest objects]

코드 샘플 탭에서 벡터 직접 관리 흐름을 보여줍니다.

언제 쓰면 좋은가

하이브리드 검색과 풍부한 필터링을 한 엔진에서, 내장 벡터라이저 옵션과 함께 원할 때 — 셀프호스트든 Weaviate Cloud든 Weaviate를 고르세요.

가격

오픈소스(BSD-3)라 무료로 셀프호스트할 수 있고, Weaviate Cloud는 관리형 서비스입니다.

플랜	가격	비고
Sandbox	$0	무료, 만료됨
Flex	$45/월~	종량제 SLA
Plus	$280/월~	상향 SLA·지원
Premium	문의	전용·엔터프라이즈

출처 ↗ · 기준일 2026-06-27

예제

Python · bring your own vectors

언제 쓰나

임베딩이 다른 곳에서 올 때는 벡터를 직접 관리하고, 벡터라이저 모듈을 설정하면 Weaviate가 대신 임베딩하게 할 수도 있습니다.

흐름

컬렉션을 만들고 벡터·속성과 함께 객체를 넣은 뒤, 질의 벡터로 최근접 객체를 검색합니다.

구조

flowchart LR
  obj[objects + vectors] --> w[(Weaviate)]
  q[query vector] --> w
  w --> top[nearest objects]

import weaviate
from weaviate.classes.config import Configure

client = weaviate.connect_to_local()  # or connect_to_weaviate_cloud(...)
client.collections.create("Docs", vectorizer_config=Configure.Vectorizer.none())
docs = client.collections.get("Docs")
docs.data.insert(properties={"text": "hello"}, vector=[0.1, 0.2, 0.3, 0.4])

res = docs.query.near_vector([0.1, 0.2, 0.3, 0.4], limit=1)
print(res.objects[0].properties["text"])
client.close()

관련 도구

개요

언제 쓰면 좋은가

가격

언제 쓰나

흐름